Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 SIMULACIÓN Y VALIDACIÓN EXPERIMENTAL DEL PROCESO DE MEZCLA DE FLUIDOS NEWTONIANOS Y NO NEWTONIANOS Germán Felipe Moncada Zapata Hernán Felipe Pita Benavides Proyecto de Grado 2016-1 Departamento de Ingeniería Química Universidad de los Andes OBJETIVO GENERAL: Evaluar y comparar los resultados de forma experimental y con CFD, del consumo de potencia del proceso de mezcla de fluidos newtonianos y no newtonianos. OBJETIVOS ESPECÍFICOS: Cuantificar y comparar la potencia de forma experimental y con CFD con respecto a los valores reportados en la literatura [1] para un fluido newtoniano. Generar una curva experimental de número de potencia vs número de Reynolds en la zona laminar para una propela tipo RUSHTON empleando un fluido newtoniano. Comparar el perfil de velocidad desarrollado en el tanque con el uso de trazadores de forma experimental y con CFD para un fluido newtoniano. Calcular el factor de forma para la geometría empleada, utilizando como fluido no newtoniano una emulsión inversa agua-aceite al 90%. 2 Nomenclatura 𝜌: Densidad [𝑘𝑔/𝑚3] 𝑁: Velocidad de rotación [𝑟𝑝𝑠] 𝐷𝑝: Diámetro de la propela [𝑚] 𝜇𝑎: Viscosidad dinámica [𝑃𝑎 ∙ 𝑠] 𝑃𝑛: Potencia neta [𝑊] 𝐾: Índice de consistencia [𝑃𝑎 ∙ 𝑠 𝑛] 𝑛: Índice de flujo 𝜏: Esfuerzo de corte [𝑃𝑎] 𝑇: Torque neto [𝑁 ∙ 𝑚] 𝛾: Velocidad de corte [1/s] 𝜏𝑟: Torque [𝑁 ∙ 𝑚] 𝜇𝑜: Viscosidad inicial [𝑃𝑎 ∙ 𝑠] 𝜇𝑚𝑖𝑛: Límite mínimo para la viscosidad [𝑃𝑎 ∙ 𝑠] 𝜇𝑚𝑎𝑥: Límite superior para la viscosidad [𝑃𝑎 ∙ 𝑠] 𝑅𝑒: Número de Reynolds 𝑁𝑝: Número de potencia 𝐾𝑠: Factor de forma 𝑚: Indica el modo seleccionado por el usuario para la estimación del momento (teniendo en cuenta la presión, el esfuerzo, o ambas) 𝑀𝑗: Momento ejercido por la fuerza de presión en el tiempo J 𝑥𝑗𝑓: Centroide de la celda f en el tiempo J 𝑥0: Vector de origen 𝑓𝑗𝑓 𝑝 : Fuerza ejercida por la presión en el tiempo J en la celda f 𝑓𝑗𝑓 𝑠 : Fuerza de corte en el tiempo J en la celda f 𝜔𝑚: Frecuencia transitoria del modo seleccionado 2 Contenido Resumen .............................................................................................................................................. 3 1. Introducción ................................................................................................................................ 3 1.1. Revisión bibliográfica .............................................................................................................. 4 2. Materiales y métodos ................................................................................................................. 8 2.1. Dimensiones tanque – propela ............................................................................................... 9 2.2. Determinación del torque y propiedades reológicas. ........................................................... 10 2.3. Fluido Newtoniano ................................................................................................................ 10 2.4. Trazador ................................................................................................................................ 12 2.5. Fluido No Newtoniano .......................................................................................................... 12 2.6. Modelamiento en CFD .......................................................................................................... 14 2.6.1. Geometría ......................................................................................................................... 14 2.6.2. Ecuaciones gobernantes ................................................................................................... 14 2.6.3. Métodos Utilizados ........................................................................................................... 16 2.6.3.1. Modelo de turbulencia 𝑘 − 𝑜𝑚𝑒𝑔𝑎 ............................................................................. 16 2.6.3.2. Modelo transiente implícito .......................................................................................... 16 2.6.3.3. Flujo segregado ............................................................................................................. 16 2.6.3.4. Condiciones iniciales y de frontera ............................................................................... 17 2.6.3.5. Generación de mallado ................................................................................................. 17 2.6.3.6. Independencia de mallado ............................................................................................ 17 3. Resultados ................................................................................................................................. 17 3.1. Independencia de mallado .................................................................................................... 17 3.2. Fluido newtoniano ................................................................................................................ 19 3.3. Fluido no newtoniano ........................................................................................................... 21 4. Conclusiones.............................................................................................................................. 24 Bibliografía ........................................................................................................................................ 26 5. Anexos ....................................................................................................................................... 29 A. Resultados Independencia mallado .......................................................................................... 29 B. Torques registrados-Miel .......................................................................................................... 30 C. Reográma y regresión-emulsión inversa agua-aceite al 90% ................................................... 31 D. Estimación del factor de forma en una geometría no estándar ............................................... 31 3 SIMULACIÓN Y VALIDACIÓN EXPERIMENTAL DEL PROCESO DE MEZCLA DE FLUIDOS NEWTONIANOS Y NO NEWTONIANOS Resumen En este estudio se busca comparar la potencia y el perfil desarrollado dentro de un tanque estándar con respecto a la simulación en un proceso de agitación. Esta se realizó con la ayuda del programa STAR-CCM+® v10.06. Se emplearon dos clases de fluidos: miel (fluido newtoniano) y una emulsión inversa al 90% agua-aceite mineral (fluido no newtoniano). Se generó la curva de potencia para el fluido newtoniano cuantificando la potencia tanto experimentalmente como por medio de la simulación. Por otra parte, se estimó el valor del factor de forma para el fluido no newtoniano. Con las simulaciones realizadas para la miel, se compararon los perfiles de velocidad obtenidos en la simulación con respecto a los que se desarrollaban experimentalmente con ayuda de un trazador. La estimación de la potencia realizada por STAR-CCM+® es acertada. La curva de potencia obtenida presenta un ECM de 7,32% y 2,85% para la experimentación y la simulación, respectivamente. En cuanto a la estimación del factor de forma, estos tuvieron un valor de 10,66 y 12,97; presentando un error del 18% y del 3% para la experimentación y la simulación, respectivamente. Los perfiles obtenidos en ambos casos fueron similares, presentando las mismas zonas de mezcla y la misma dirección de flujo. Palabras Clave: CFD, fluido newtoniano, fluido no newtoniano, emulsión, potencia, trazador, factor de forma, ECM. 1. Introducción El proceso de mezcla ocupa un lugar importante en los procesos químicos, dado que de este dependeparte de la eficacia de muchas operaciones industriales. Debido a la complejidad de los fenómenos de transporte involucrados, este es uno de los procesos más difíciles de analizar y caracterizar [2]. Este proceso es una de las operaciones unitarias más antiguas, utilizada por muchas industrias como: la química, mineral, biotecnológica, y la elaboración de alimentos, entre otras. Este es usado para mezclar fluidos simples como también múltiples fases. El éxito de muchos procesos industriales obedece en gran medida a procesos de mezcla efectivos. Dadas las limitaciones existentes para la comprobación del desarrollo de éste, la simulación de este comportamiento se ha vuelto una práctica útil en este campo. Por este motivo, se requiere comprobar la fidelidad de los resultados obtenidos en las simulaciones. Por otra parte, la efectividad del proceso se tiene que estudiar de manera global. Es por esta razón que la potencia consumida en el proceso es una variable a destacar. En los últimos años, se han desarrollado diferentes programas de simulación de procesos. Entre estos encontramos los programas basados en la Mecánica de Fluidos Computacional (CFD – por 4 sus siglas en ingles “Computational Fluid Dynamics”). En el trabajo actual, se utilizará el programa STAR-CCM+® v10.06. Esta herramienta utiliza las matemáticas aplicadas, física y software computacional para predecir y describir el comportamiento de estos. Esté se basa en las ecuaciones de conservación de masa, momento y energía. Estas ecuaciones describen cómo la velocidad, la presión, la temperatura, y la densidad de un fluido en movimiento están relacionadas entre sí [3]. Por otra parte, un factor de importancia en el estudio del proceso de agitación, es la potencia requerida en el mismo. En este estudio se realiza la curva de potencia para la geometría trabajada. Para esto, es necesario cuantificar la potencia requerida en el proceso a diferentes velocidades. Con esta, es posible cuantificar y predecir el comportamiento cinético y energético que se presenta en el proceso. Con el fin de comparar los perfiles obtenidos, se estudiará el comportamiento de estos con ayuda de un trazador y STAR-CCM+®. Por otra parte, se trabajará con un fluido no newtoniano, con el objetivo de hallar el factor de forma, el cual relaciona la velocidad de agitación con la velocidad de corte. 1.1. Revisión bibliográfica. Para llevar a cabo el objetivo propuesto, se requiere realizar una revisión bibliográfica que abarque los principales temas de interés. Por otra parte, es importante identificar los modelos de CFD que se pueden emplear, para poder llevar a cabo la comparación experimental con respecto a la simulación (Tabla 1 y Tabla 2). Tabla 1. Investigaciones experimentales realizadas AUTOR/ES OBJETIVO DESCRIPCIÓN Bates et al. (1963) [4] Estudiar los efectos de algunos de los factores de forma de la potencia de la propela. Asi mismo, la consideración de tanto la misma propela y la geometría del recipiente. Se realizan las curvas de numero de potencia para toda la gama de numero de Reynolds para un determinado número de propelas. Lidner et al.(1973) [5] Presentar métodos de mezcla de emulsiones agua en aceite. Procesos rápidos y de alta estabilidad Se describe la mezcla de la emulsión agua en aceite, donde los procesos de agitación y estabilidad son de gran importancia. Hughett et al. (1982) [6] Mejorar la estabilidad de la emulsión agua en aceite a partir de un mineral de Montmorillonita Describe a una combinación de emulsionantes que proporciona a la emulsiones de agua-en-aceite de estabilidad mejorada 5 Weetman et al. (1993) [7] Describir el diseño mecánico de un mezclador con énfasis en las fuerzas que los fluidos imponen a la propela. El proceso se realiza con los fluidos continuos en el recipiente de mezcla. Se enuncian ecuaciones para el cálculo de potencia, torque. Así mismo, se deduce la ecuación de fuerza que se emplea para agitar un fluido. Wichterle, et al. (1999) [8] Estudiar la velocidad de cizallamiento aparente y media, y los valores característicos de la propela y las paredes de un sistema de mezcla estándar. Se analiza el comportamiento de fluidos no newtonianos. Se analiza la velocidad de cizallamiento y como esta caracteriza a la cinemática de flujo, y su efecto en la mezcla. Tipvarakarnkoon et al. (2008) [6] Analizar el número de potencia para soluciones a diferentes concentraciones de goma de xanthan. Detalla características que tienen las soluciones de Xanthan Gum y además parámetros de interés para un comportamiento del flujo de cizalla constante (Solución XG/H2O). Song, et al. (2006) [7] Estudiar el comportamiento reológico de tres mezclas de goma (X/G, X/LBG y G/CMC) y se comparan mediante mediciones de cizallamiento constante y oscilatorio. Detalla características que tienen las soluciones de Xanthan Gum y además parámetros de interés para un comportamiento del flujo de cizalla oscilante (Solución XG/H2O). Berzosa et al. (2010) [11] Determinar modelos matemáticos que permitan evaluar la potencia requerida para agitar soluciones de naturaleza no newtoniana Se desarrollan una parte experimental con fluido newtoniano e ilustran métodos para el cálculo y toma la potencia de forma experimental. Ameur, et al. (2011) [12] Estudiar la agitación de fluidos no newtonianos en un recipiente agitado por los impulsores SCABA. Se estudia el proceso de agitación de fluidos no newtonianos en un tanque por propelas de tipo SCABA. Se especifican las medidas de estos y dimensiones del tanque. 6 Nunhez, et al. (2011) [13] Determinar las curvas de potencia con respecto a número de número de Reynolds para los impulsores más utilizados en la industria química, a través de la dinámica de fluidos computacional. Describe el procedimiento para determinar las curvas de potencia para diferentes tipos de propelas. Calderón et al. (2016) [14] Establecer las propiedades de la emulsión obteniendo el mismo tamaño de gota. Se establece la preparación de la emulsión y la caracterización estructural. Método de mayor estabilidad de la emulsión. Tabla 2. Investigaciones realizadas en CFD AUTOR OBJETIVO DESCRIPCIÓN MODELOS SOFTWARE Lane et al. (1997) [15] Simular mediante CFD un proceso de mezcla en un tanque con bafles y usando una turbina RUSHTON. A partir del modelo planteado, obtuvieron los perfiles axiales de velocidad, además de comprobar el número de potencia modelado con respecto al reportado en la literatura, logrando un resultado acertado. Modelo de turbulencia k-𝜖. CFX 4. Spogis et al. (2002) [16] Determinar curvas de potencia y flujos característicos para diferentes tipos de propelas A partir de CFD logra construir de manera acertada las curvas de potencia para diferentes tipos de propelas. Modelo de turbulencia k-𝜖. CFX 4.4 Bujalski et al. (2002) [17] Comparar el proceso de mezcla con el uso de dos turbinas RUSHTON en CFD y a nivel experimental A partir del modelo de una doble turbina RUSHTON se procede a comparar los tiempos de homogenización en la mezcla. Además de esto, se compara el número de potencia obtenido en los dos casos, con un error del 10% aproximadamente. Modelo de turbulencia k-𝜖. Fluent V. 4.4.7 7 Bujalski et al. (2002) [18] Determinar el tiempo de homogenización mediante el uso de un trazador por medio de CFD en un tanque de agitación con una turbina RUSHTON. Se busca comprobar la validez de las ecuaciones empíricas propuestas por Ruszkowski con respecto a los resultados obtenidos en CFD. Además de esto, se compara el número de potencia obtenido en CFD como experimentalmente.Modelo de turbulencia k-𝜖. CFX 4.3 Dular et al. (2006) [19] Validar los resultados obtenidos de la simulación del proceso de mezcla de un fluido no newtoniano con su respectiva experimentación. En un proceso de mezcla de CMC (Carboximetil Celulosa) se buscó comprobar la valides de los resultados obtenidos de la simulación realizada, particularmente el torque ejercido en el proceso. Ley de potencia. Fluent Al-Qaessi et al. (2007) [20] Simular el proceso de mezcla de dos líquidos miscibles de alta viscosidad y diferentes densidades mediante CFD. Con los resultados obtenidos del proceso de mezcla de glicerol, se comparó el torque ejercido en este proceso y en su contraparte experimental. Este se realizó a partir de las medidas de un voltímetro. Modelo de turbulencia k-𝜖. Flujo acoplado (resolución simultánea). CFX 10.0 Ashish et al. (2010) [21] Establecer una relación para hallar un tiempo de mezcla adecuado. A partir de una serie de experimentos se deriva una relación para hallar el tiempo de mezcla adecuado. Optimización multi - objetivo (Pareto) STAR -CCM+® Ameur et al. (2011) [22] Realizar la simulación del proceso de mezcla de un fluido no newtoniano (goma de xanthan) y estudiar el consumo de potencia generado. A partir de un fluido no newtoniano en un tanque de mezcla, se realizó el estudio de la contribución de la velocidad de agitación, la localización de la propela y el tamaño, en el consumo de potencia. Estos resultados se compararon con datos experimentales. Modelo de turbulencia k-𝜖 . SIMPLEC (método semi - implícito de ecuaciones consistentes de presión) CFX 12.0 Kim et al. (2012) [23] Modelar múltiples fases en STAR-CCM+ Descripción, ecuaciones básicas, ventajas y desventajas de cada modelo. Modelo Euleriano- Euleriano y Euleriano- Lagrangiano. STAR-CCM+® 8 Pour et al. (2013) [24] Estudiar el proceso de mezcla de un sistema liquido-solido en un tanque de agitado. En un tanque de agitación se propone hacer la simulación del mismo, usando una turbina RUSHTON, como también una propela con inclinación de 50°. Modelo de turbulencia k-𝜖. Fluent V 6.3 Janeway et al. (2014) [25] Definir los modelos presentes para simular reología no newtoniana. Describe los modelos usados por cada modelo presente en el programa, mostrando las ventajas y desventajas de cada uno. Modelo generalizado de Carreau-Yasuda (fluidos no newtonianos). Modelo generalizado de corte de fluido y la ley de potencias STAR-CCM+® Ramirez et al. (2014) [26] Simular el proceso de mezcla con fluidos no newtonianos. Realiza la comparación del número de potencia obtenido a partir de diferentes modelos, con respecto a su contraparte experimental. Modelo de turbulencia k-𝜖. Fluent V. 14.5 Khapre et al. (2014) [27] Determinar el comportamiento de una solución de CMC (Carboximetil Celulosa) en un tanque agitado mediante CFD. Resolución Acoplada de ecuaciones. SIMPLE (Método implícito para ecuaciones relacionadas de presión) para relacionar la ecuación de presión- velocidad. Para modelar el comportamiento del fluido no newtoniano, emplearon la ley de potencias. Modelo de turbulencia k-𝜖. Fluent V. 12 Chtourou et al. (2014) [28] Comprobar la capacidad de predicción del proceso de mezcla en un tanque en forma de cubo sin bafles mediante CFD. Se modelo el proceso de mezcla a partir de una turbina RUSHTON. A partir de los resultados obtenidos, se comparó la curva de potencia con respecto al resultado experimental, obteniendo un error del 5% . Modelo de turbulencia k-𝜖. Fluent V. 12 2. Materiales y métodos A continuación, se explicará la metodología, la modelación en STAR-CCM+®, y las ecuaciones de uso en el desarrollo del proyecto. 9 2.1. Dimensiones tanque – propela Se diseñó y construyó un tanque en acrílico transparente para el desarrollo del estudio, se empleó además una propela tipo RUSHTON. Las dimensiones de estas geometrías se muestran en la Tabla 3. Tabla 3. Dimensiones del tanque y la propela Geometría Parte Nomenclatura Dimensiones [cm] Propela Ancho paleta S 1,3 Altura paleta A 1,0 Diámetro d 5,0 Tanque Altura H 22,0 Espesor G 0,5 Ancho bafles J 2,5 Diámetro 𝐷𝑡 14,2 La propela tipo RUSHTON empleada se muestra en la Figura 1. Figura 1. Propela RUSHTON El tanque construido se presenta en la Figura 2, donde “E” representa la altura a la cual se ubicará la propela en el proceso (5 cm). En tanto “L” representa la altura del fluido, que es equivalente al diámetro del tanque (14,2 cm). 10 Figura 2. Tanque en acrílico diseñado. 2.2. Determinación del torque y propiedades reológicas. El torque se determinó con el agitador Lightnin®, modelo L1U10F. Por medio de este y el software MixWare 1.0, se registraron los datos de torque a determinadas velocidades. Así mismo, se desarrolla el análisis reológico tanto para el fluido newtoniano, como para el no newtoniano, utilizando el reómetro TA Instruments, modelo: DHR1. Las velocidades de cizalla se han estudiado en el rango de 0.1 a 10𝑠−1. El reómetro está equipado con una geometría de platos paralelos, con 20 mm de diámetro y 1 mm de gap. Las pruebas a realizar son de flujo. Los ensayos se han realizado siguiendo la norma ISO 11443. La viscosidad para el fluido newtoniano corresponde a la media de 2 ensayos. En cuanto al fluido no newtoniano, este estudio se realizó tres veces. 2.3. Fluido Newtoniano El fluido seleccionado fue la miel Figura 3, esta presenta una viscosidad de 10,88 𝑃𝑎 ∙ 𝑠 y densidad 1439,19 𝑘𝑔/𝑚3. Estas propiedades se estimaron a partir del reómetro y un picnómetro. 11 Figura 3. Miel empleada y montaje. El número de potencia ecuación (2) y el número de Reynolds ecuación (3) son correlaciones que se establecen por análisis adimensional, en función de los parámetros geométricos del tanque y de la propela, como también de parámetros como la viscosidad (𝜇𝑎), la densidad (ρ) y la velocidad de agitación (𝑁). Con el torque obtenido (𝑇) se calcularon dichas correlaciones y se generó la curva de potencia, la cual abarca la zona laminar. 𝑃𝑛 = 2 ∙ 𝜋 ∙ 𝑁 ∙ 𝑇 (1) 𝑁𝑝 = 𝑃𝑛 𝜌 ∙ 𝑁3 ∙ 𝐷𝑝 5 (2) 𝑅𝑒 = 𝜌 ∙ 𝑁 ∙ 𝐷𝑝 2 𝜇𝑎 (3) Para un fluido newtoniano definimos el esfuerzo de corte (𝜏) como: 𝜏 = 𝜇𝑎 ∙ 𝛾 (4) Donde 𝛾 representa la velocidad de corte. El resultado de graficar la ecuación (2) y (3), genera la curva de potencia, donde se puede obtener la potencia consumida para agitar la solución, según el régimen hidrodinámico en que se encuentre [29], tal como se muestra en la Figura 4. 12 Figura 4. Curva de potencia. 2.4. Trazador Con el fin de estudiar el desarrollo del perfil de velocidad que se desarrolla en el tanque, se empleó un trazador, el cual fue inyectado cerca de la propela. Este estudio se realizó para el fluido newtoniano. Posteriormente, se tomaron capturas de la dispersión de este dentro del tanque, y se compararon con su contraparte obtenida en CFD. El trazador usado en el trabajo actual fue un colorante de color blanco (Tinta China), el cual posee una baja dilución en el medio. 2.5. Fluido No Newtoniano Como fluido no newtoniano se seleccionó la emulsión inversa al 90% agua-aceite mineral. Esta presenta altas viscosidades y un comportamiento pseudoplástico. El cálculo de la potencia requerida para la agitación del fluido ecuación (1) permitió calcular el número de potencia ecuación (2). Sin embargo, la viscosidad ya no es constante para fluidosno newtonianos, y esta varía en función de la velocidad de corte [1]. Para un fluido que obedece la ley de potencia, tenemos: 𝜏 = 𝐾 ∙ 𝛾𝑛 (5) Donde 𝐾, es el índice de consistencia y 𝑛, es el índice de flujo. Reemplazando la ecuación (4) en la ecuación (5) se obtiene que: 𝜇𝑎 = 𝐾 ∙ 𝛾 𝑛−1 (6) Metzner et al. [1] encontraron experimentalmente que la velocidad de corte (𝛾) para los fluidos pseudoplásticos (𝑛 < 1), varía en función de la velocidad de agitación y un factor de forma (𝐾𝑠) , tal y como se muestra en la ecuación (7). 13 𝛾 = 𝐾𝑠 ∙ 𝑁 (7) El factor de forma, depende mayormente de la geometría y del fluido. Este valor es calculado a partir de la curva de potencia de un fluido newtoniano, que mantenga las mismas condiciones estándar (tanque y propela). Partiendo de esta curva, y con los valores de 𝑁𝑝 calculados para el fluido no newtoniano, se halla el valor del número de Reynolds, como se ilustra en la Figura 5. Figura 5. Procedimiento para hallar el número de Reynolds – fluido no newtoniano. Con el número de Reynolds, se procede a calcular la viscosidad ecuación (8). 𝜇𝑎 = 𝜌 ∙ 𝑁 ∙ 𝐷𝑝 2 𝑅𝑒 (8) Por otra parte, con el reográma obtenido para el fluido, se calcula el índice de consistencia y de flujo (“K” y “n” respectivamente). Al reemplazar la ecuación (7) en la (6) y despejando el factor de forma, se obtiene la ecuación (9), con la que es posible calcular el valor de este factor en función de la velocidad en cuestión. Este procedimiento se realiza para cada velocidad trabajada. 𝐾𝑠 = ( 𝜇𝑎 𝐾 ∙ 𝑁𝑛−1 ) 1 𝑛−1 (9) 14 2.6. Modelamiento en CFD A continuación, se explica el desarrollo del modelo en CFD, describiendo de forma detallada la geometría del proceso, las ecuaciones gobernantes, los modelos utilizados y la generación de la malla. 2.6.1. Geometría Se realizó un modelo del tanque y la propela Figura 6, manteniendo las dimensiones de las geometrías reales Figura 1 y Figura 2 por medio de la herramienta Autodesk Inventor Professional ® 2015. Posteriormente se importó esta geometría al programa STAR-CCM+®. Figura 6. Modelo realizado en Autodesk Inventor Professional ® 2015. En STAR-CCM+®, se procede a definir y delimitar las regiones; se separa la geometría inicial en diferentes partes, para poder establecer una condición de frontera para cada una. 2.6.2. Ecuaciones gobernantes Las ecuaciones de Navier-Stokes son las principales ecuaciones que resuelve el programa STAR-CCM+® para describir el movimiento del fluido. Los fenómenos de transporte que se ven involucrados en el mezclado se ven descritos por la ecuación de transporte más general, la cual está definida por la ecuación (10). 𝜕(𝜌Φ) 𝜕𝑡 + div(𝜌Φ𝑢) = div(Γ 𝑔𝑟𝑎𝑑 Φ) + 𝑆Φ (10) Donde Φ es la variable general conservadora de todas las ecuaciones de flujo del fluido, incluyendo ecuaciones para cantidades escalares tales como temperatura y concentración, etc. 𝛤 es el coeficiente difusivo y 𝑆 el término de fuente. 15 El primer término a la izquierda es el que define la consideración temporal (modelo transiente); el segundo se refiere al término convectivo. Los términos a la derecha hacen referencia al coeficiente difusivo y al término de fuente respectivamente. El término de energía interna (𝑢) de la ecuación (10), puede cambiar por temperatura por medio de la ecuación de estado [11]. En STAR-CCM+®, la ecuación (10) se resuelve de su forma integral utilizando el método de volúmenes finitos. Así mismo, se resuelven las 5 diferentes ecuaciones parciales tanto para masa, momento y energía. La ecuación general se expresa en la Ecuación (11). ∫ 𝜕(𝜌Φ) 𝜕𝑡 𝑑𝑉 + ∫ 𝑑𝑖𝑣(𝜌Φ𝑢) 𝑑𝑉 = 𝐶𝑉 ∫ 𝑑𝑖𝑣(Γ 𝑔𝑟𝑎𝑑 Φ) 𝑑𝑉 + ∫ 𝑆Φ 𝑑𝑉 𝑐𝑣𝐶𝑉𝐶𝑉 (11) La ecuación de Navier-Stokes implica que el fluido debe mantener una viscosidad constante, en otras palabras, fluidos de naturaleza newtoniana. Cuando se trabaja fluidos no newtonianos, STAR-CCM+® aplica un modelo generalizado para fluidos newtonianos, el cual define un fluido en el que la viscosidad depende de la velocidad de corte. Esta premisa permite modelar fluidos no newtonianos, a partir de la ecuación constitutiva de la de un fluido newtoniano [30]. La ecuación (12), define el esfuerzo de corte, el cual es función de la viscosidad y de la velocidad de corte. 𝜏 = 𝜇𝑒𝑓𝑓(𝛾) ∙ 𝛾 (12) La conservación de masa (ecuación (14)) también es definida. El flujo que predomina en los procesos de agitación es de naturaleza turbulenta, por lo que STAR-CCM+® debe realizar un promedio de dichas ecuaciones en intervalos reducidos de tiempo. Las ecuaciones obtenidas a partir de este promedio se conocen como las ecuaciones promediadas de Reynolds y Navier-Stokes, por sus siglas en inglés “RANS”. En estas, los efectos de la turbulencia son asimiladas a partir de los esfuerzos de Reynolds. Con estos, es posible reducir los grados de libertad del problema. Estas ecuaciones de forma simplificada son [31]: 𝑑𝑢�̆� 𝑑𝑥𝑖 = 0 (13) 𝑑 𝑑𝑡 (𝜌𝑢�̆�) + 𝑑 𝑑𝑥𝑖 (𝜌𝑢�̆�𝑢�̆�) = − 𝑑�̅� 𝑑𝑥𝑖 + 𝑑 𝑑𝑥𝑗 (𝜇 ( 𝑑𝑢�̆� 𝑑𝑥𝑗 + 𝑑𝑢�̆� 𝑑𝑥𝑖 − 2 3 𝛿𝑖𝑗 𝑑𝑢�̆� 𝑑𝑥𝑙 )) + 𝑑 𝑑𝑥𝑗 (−𝜌𝑢´�̆�𝑢 �̆́�) (14) Donde “�̅�” es la presión, “�̆�” refiere a la velocidad, ambos ajustados en el tiempo, e “i”, “j” y “l” son las componentes tridimensionales [31]. Además de esto, STAR-CCM+® realiza una estimación del torque a partir de un balance de fuerzas. Este balance tiene en cuenta la presión y la fuerza de corte a partir de una superficie y tomando como referencia un eje especifico. Las ecuaciones (15) y (16) presentan la aproximación del momento (torque) realizada por STAR-CCM+®. 𝑀�̂� = 1 𝐻 ∑ 𝑀𝑗 ∙ 𝑒 −𝑖𝜔𝑚.𝑡𝑗𝐻−1 𝑗=0 (15) 16 𝑀𝑗 = ∑[𝑥𝑗𝑓 − 𝑥0] x [𝑓𝑗𝑓 𝑝 + 𝑓𝑗𝑓 𝑠 ] (16) 𝑓 Donde “𝐻” representa el número de niveles temporales definidos, “𝑀𝑗“es el momento ejercido en el tiempo J, “𝑥𝑗𝑓” es el centroide de la celda f en el tiempo J, “𝑥0” es el vector de origen (el eje del agitador, en este caso), “𝑓𝑗𝑓 𝑝 ” y “𝑓𝑗𝑓 𝑠 ” refieren a la fuerza ejercida por la presión en el tiempo J en la celda f, y “𝜔𝑚” refiere a la frecuencia transitoria del modo seleccionado en el programa. 2.6.3. Métodos Utilizados A continuación, se mencionarán los modelos utilizados para la simulación en STAR-CCM+® y una descripción de cada uno de estos. 2.6.3.1. Modelo de turbulencia 𝒌 − 𝒐𝒎𝒆𝒈𝒂 Este modelo fue seleccionado dado que permite resolver dos ecuaciones de transporte de interés en régimen laminar, aunque la mayoría de fuentes en el estudio bibliográfico implementaron el modelo 𝑘 − 𝑒𝑝𝑠𝑖𝑙𝑜𝑛, este no es de utilidad en el proyecto actual, ya que esté es válido únicamente en flujos totalmente turbulentos [32]. La primera parte del modelo 𝑘 − 𝑜𝑚𝑒𝑔𝑎 resuelve la energía cinética “𝑘” y la segunda, la frecuencia turbulenta “𝑜𝑚𝑒𝑔𝑎”. Esto permite realizar un tratamiento correcto de las ecuacionesen función de las condiciones de frontera establecidas. Este modelo demuestra un rendimiento superior con flujos con capa limite y a bajos números de Reynolds [5]. 2.6.3.2. Modelo transiente implícito Esté modelo tiene como objetivo realizar la solución de las ecuaciones de interés teniendo en cuenta la variable temporal. Esto permite obtener una estimación aproximada del comportamiento y las propiedades del fluido luego de cierto tiempo real de simulación. Además de obtener el parámetro de interés (torque requerido en el proceso), permitirá realizar la comparación con los trazadores, estableciendo la misma frontera de tiempo para la experimentación. 2.6.3.3. Flujo segregado Al momento de realizar la simulación, es necesario establecer de qué manera se resolverán las ecuaciones que describen el sistema. En caso de ser acoplado, STAR-CCM+® resuelve las ecuaciones de presión y velocidad de manera simultánea, lo que permite tener más estabilidad en cada iteración, pero requiere más recursos computacionales. Este modelo es seleccionado en general para fluidos con fluctuaciones en su densidad, como por ejemplo los flujos supersónicos con descargas [6]. 17 Para el sistema actual, no es requerido esta clase de tratamiento, por lo que las ecuaciones se pueden resolver de manera independiente y secuencial, como lo establece el flujo segregado [6]. Para que la simulación sea estable, se requiere un tamaño de malla y un paso de tiempo prudente, de las cuales se hablará más adelante. 2.6.3.4. Condiciones iniciales y de frontera Con la geometría importada en STAR-CCM+®, se establecieron las condiciones de frontera que regirán cada parte del tanque. Para la simulación en cuestión, se definieron dos condiciones de frontera. Para las paredes, los bafles y la propela, se establecieron condiciones de pared. Para la parte superior del tanque, donde el fluido no está confinado, se estableció condición de pared con deslizamiento. 2.6.3.5. Generación de mallado Para generar el mallado de la geometría, fue necesario establecer un número de celdas objetivo, la cual se fijó en 500,000, siguiendo el criterio de diseño propuesto por Celik et al. [33]. Posteriormente se estimó el valor que debería tener la capa límite, la cual se define en función de ciertas propiedades del sistema, como por ejemplo, la velocidad del fluido, la densidad, viscosidad, entre otros [ [33] , [34] ] . 2.6.3.6. Independencia de mallado Los resultados obtenidos en las simulaciones deben ser independientes del tamaño de la malla, es decir, se debe comprobar que los resultados no varían considerablemente debido a la calidad del mallado. Por tal motivo, se estimó la potencia para 4 mallas diferentes: gruesa (malla con el número de celdas de referencia), normal (30% más celdas que la gruesa) fina (30% más celdas que la malla normal), y una extra gruesa, denominada gruesa 2, la cual tiene un número de celdas 30% menor con respecto a la referencia. La simulación se realizó utilizando como fluido miel, con un paso de tiempo de 0,001 segundos y estableciendo una velocidad de agitación de 500 rpm. 3. Resultados 3.1. Independencia de mallado La desviación obtenida para cada malla trabajada, junto con sus propiedades y tiempo de simulación se muestran en la Tabla 4. El factor y+ ayuda a establecer el tratamiento que debe realizarse cerca de las paredes y da estabilidad en el programa [35]. Este factor específica, en esencia, la distribución de las celdas cerca de las regiones donde se encuentra la subcapa viscosa [36], también conocida como subcapa laminar. Esta zona se define como la distancia con respecto a la pared, donde el régimen hidrodinámico del fluido está en la zona laminar (bajos números de Reynolds). Es la Figura 7 se puede observar la distribución del mallado según el valor de y+, donde la zona naranja representa la subcapa laminar. 18 Figura 7. Distribución de las celdas en función del factor y+, con un bajo y+ (a) y un alto y+ (b) [36]. El tamaño base define la distancia objetivo que se busca para discretizar la geometría en la malla [37]. Las simulaciones se realizaron en un equipo que posee 8 núcleos, 12 Gb de RAM y cuenta con un procesador Intel Core i7 – 4720 HQ con el sistema operativo Windows de 64 bits. Tabla 4. Características de las mallas obtenidas, tiempos de simulación y desviación respecto a la literatura [1]. Denominación Tamaño base [mm] Y+ No. celdas Tiempo [h] Desviación [%] Fina 1,50 2,29.E-4 842591 6,5 3,85 Normal 1,70 2,31.E-4 610701 4,1 3,92 Gruesa 1,90 2,35.E-4 470068 3,5 4,13 Gruesa 2 2,10 2,36.E-4 374905 3,0 4,63 El método a implementar para seleccionar la opción más favorable, se conoce como el método de Electra [38] , [39]. Este requiere de alguna, o algunas características de importancia entre las opciones. Con estas, realiza una comparación y el método evalúa la opción más recomendable. Este método usa operaciones matriciales basadas en dos conjuntos, una de concordancias y otra de discordancias [39]. Bajo una serie de reducciones y operaciones entre estas, el método es capaz de establecer una jerarquización de las alternativas [39]. En el anexo A, en la Tabla A. 1 se observa la jerarquización obtenida. En este estudio, se seleccionó el tiempo de simulación y la desviación con respecto a los valores reportados en la literatura [1] como las características a comparar. Se asignó un valor porcentual a estas dos características para realizar la evaluación. Según los resultados obtenidos (anexo A, Tabla A. 1), la malla fina y la malla gruesa son las opciones más favorables, sin embargo, dado su bajo tiempo de cómputo, se optó por seleccionar la malla gruesa como la mejor alternativa para el desarrollo de las simulaciones. 19 3.2. Fluido newtoniano La potencia se determinó con los torques cuantificados con el agitador Lightnin® e implementando la ecuación (1). La curva de potencia obtenida Figura 8 con ayuda de las ecuaciones (2) y (3) se muestra a continuación: Figura 8. Curva de potencia experimental para la miel Esta curva Figura 8 también muestra la desviación promedio de cada valor, partiendo de las tres replicas realizadas. De manera similar, se realizaron 7 simulaciones que abarcaran el rango de interés. La comparación entre las curvas de potencia obtenidas tanto experimentalmente, como por medio de la simulación con respecto a la reportada en la literatura [1] se observa en la Figura 9. 1 10 100 1000 0 1 10 N p Re 20 Figura 9. Curva de potencia obtenida experimentalmente y con las simulaciones. Para comparar los resultados mostrados en la Figura 9 se calculó el error cuadrático medio (ECM) entre cada estimación y la literatura. La estimación experimental tuvo una desviación del 7,32%. Por otra parte, la simulación presento una desviación de 2,85% con respecto a la literatura. En cuanto a la comprobación de la calidad de mezcla de la simulación con respecto a la experimentación, se estableció una frontera de tiempo de 10 segundos. A partir de esta, se tomaron múltiples capturas del desarrollo del perfil experimental y se compararon con el perfil de velocidades desarrollado en la simulación (Figura 10). 1 10 100 1 10 N p Re Literatura [29] Experimental Simulación 21 Figura 10. Perfil desarrollado a los 10 segundos a 600 rpm experimentalmente y en STAR-CCM+®. En la Figura 10 se puede observar el perfil desarrollado en los dos casos estudiados. El trazador inyectado presenta una menor coloración en las zonas donde la velocidad es mayor. Así mismo, las zonas que presentan menor velocidad, tendrán un color blanco más pronunciado, todo esto, teniendo en cuenta la zona de residencia (mezcla) del trazador. En la simulación, se presentan mayores velocidades en el costado derecho (cerca al bafle), justo en el sector central de laszonas de colisión con la pared, al igual que el comportamiento del trazador en los mismos puntos. Por otra parte, las zonas de color blanco más pronunciado, corresponden a las zonas donde el perfil de velocidades presenta valores más bajos. El agitador genera dos flujos, uno que se dirige hacia la parte superior del tanque (cuadro verde, Figura 10) y el otro, hacia la inferior (cuadro rojo, Figura 10). Esta división se genera en la zona donde se ubica la propela y se presenta tanto en el perfil experimental como en el obtenido en STAR-CCM+®. En general, el comportamiento predicho por STAR-CCM+® es acertado. 3.3. Fluido no newtoniano Se realizó la cuantificación del torque a diferentes velocidades para este fluido, tanto en la simulación como experimentalmente. Partiendo de la metodología explicada en la sección 2.4 y de su respectivo reográma (Anexo C, Figura C. 1), se halló el factor de forma para diferentes velocidades en estos dos casos (Tabla 5 y Tabla 6). 22 Tabla 5. Factor forma obtenido para cada velocidad experimental trabajada Velocidad [𝒓𝒑𝒔] Potencia [𝑾] 𝜸 [𝒔−𝟏] 𝑲𝒔 0,83 0,22 13,11 15,73 1,67 0,59 27,65 16,59 2,50 1,11 39,42 15,77 3,33 1,78 48,91 14,67 4,17 2,59 56,72 13,61 5,00 3,55 63,29 12,66 5,83 4,66 68,94 11,82 6,67 5,92 73,87 11,08 7,50 7,16 80,97 10,80 8,33 8,17 92,92 11,15 9,17 9,56 99,65 10,87 10,00 10,87 108,53 10,85 En promedio, el valor del factor de forma hallado experimentalmente es de 12,97. Los resultados de la simulación se muestran en la Tabla 6. Tabla 6. Factor forma obtenido para cada simulación Velocidad [𝒓𝒑𝒔] Potencia [𝑾] 𝜸 [𝟏/𝒔] 𝑲𝒔 0,83 0,59 8,78 10,53 1,67 1,41 17,56 10,53 2,50 2,33 26,58 10,63 3,33 3,34 35,61 10,68 4,17 4,41 44,57 10,70 5,00 5,54 53,58 10,72 5,83 6,72 62,64 10,74 6,67 7,93 71,78 10,77 Para la simulación, el valor promedio del factor de forma fue de 10,66. La literatura reporta un 𝐾𝑠 de 11 para un tanque estándar y la propela tipo RUSHTON [1]. Consecuentemente, el error obtenido es de 18% y 3% para los resultados obtenidos en la experimentación y en la simulación respectivamente. En la Figura 11 se corrobora que, con los factores de forma estimados para la simulación y para la experimentación, las curvas obtenidas son equivalentes a la reportada en la literatura para un fluido newtoniano [1]. 23 Figura 11. Curvas de potencia y comparación de las curvas obtenidas con el factor de forma (emulsión). Se puede afirmar que las curvas obtenidas en la experimentación y la simulación con el factor de forma, corresponden a la del fluido newtoniano. Por otro lado, aunque se manejaron las mismas velocidades para obtener el 𝐾𝑠, los números de Reynolds alcanzados en la experimentación y la simulación son diferentes, lo que evidencia el error obtenido. Esto se debe a que la potencia obtenida en cada caso difiere, con lo que se obtiene un número de potencia diferente, consecuentemente el número de Reynolds y la viscosidad calculada varían una con respecto a la otra. En la Figura 12 se puede apreciar el perfil de velocidad generado en el proceso de mezcla a una velocidad de 100 rpm. Figura 12. Perfil de velocidad desarrollado en el tanque a 100 rpm (emulsión). 1 10 100 1000 10000 0.0 0.1 1.0 10.0 N p Re Literatura [29] Experimentación Simulación 24 En esta, se observa que el perfil no se desarrolla de manera eficaz en el tanque. Por otra parte, la viscosidad cambio en las regiones cercanas a la propela, como se puede ver en la Figura 13, la cual también fue obtenida a 100 rpm. La reducción de la viscosidad se genera en las zonas donde la velocidad es mayor, siguiendo el comportamiento descrito por la ley de potencias (ecuación (6)). Figura 13. Perfil de viscosidad desarrollado en el tanque a 100 rpm (emulsión). Se puede afirmar que el proceso de mezcla no es efectivo con esta propela en el sistema trabajado, dado que existen zonas donde la velocidad es cero, lo que refiere a una incorrecta dispersión del mezclado. 4. Conclusiones Durante el desarrollo del estudio, fue posible realizar aproximaciones de la potencia para el sistema de agitación especificado anteriormente por medio de STAR-CCM+®, comparando los resultados con su contraparte experimental. En cuanto al fluido newtoniano, los resultados de la experimentación presentaron un ECM de 7,32%, mientras que para la simulación se obtuvo un ECM de 2,85%, esto luego de comparar los resultados con respecto a los valores reportados en la literatura [1]. Por otra parte, los perfiles estimados por STAR- CCM+® se compararon con respecto a los desarrollados experimentalmente. Estos fueron similares, presentando las mismas zonas de mezcla, y un desarrollo aproximado del perfil de velocidades en ambos casos. 25 El factor de forma hallado para la emulsión inversa al 90% presento una desviación del 18% para la estimación experimental, y del 3% para la estimación obtenida con las simulaciones, con respecto al valor reportado en la literatura [1]. Estas son cercanas a los valores reportados en la literatura, mostrando un correcto tratamiento experimental y de la simulación. Con los perfiles de viscosidad y velocidad, se comprobó que el proceso de mezcla no se propaga dentro del tanque, evidenciando un desarrollo pobre del mezclado. STAR-CCM+® presenta una alternativa adecuada para cuantificar la potencia en el proceso de mezcla, tanto para fluidos newtonianos, como no newtonianos. Esto se corroboro con respecto a la experimentación y a los valores reportados en la literatura [1]. Es necesario recalcar que los resultados de la simulación dependen del correcto análisis del fluido a nivel experimental. 26 Bibliografía [1] C. J. Geankoplis, Procesos de transporte y principios de procesos de separación, Mexico: Compañia Editorial Continental , 2006. [2] J. Blasco, Experimentación con Agitación Industrial, Zaragoza: Universidad de Zaragoza, s.f.. [3] M. Rouse, «Whatls.com,» Mayo 2004. [En línea]. Available: http://whatis.techtarget.com/definition/computational-fluid-dynamics-CFD. [Último acceso: 23 Julio 2015]. [4] R. Bates, P. Fondy y R. Corpstein, «An examination of some geometric parameters of impeller power.,» Chemineer,Inc., Dayton, Ohio, 1963. [5] L. P, «Water-in-oil emulsions». New York Patente US3776857 A, 4 Diciembre 1973. [6] P. D. Hughett, «Water-in-oil emulsions». Estados Unidos Patente US4350605 A, 21 Septiembre 1982. [7] R. Weetman y B. Gigas, «Parameters of impeller power.,» Rochester, New York, 1993. [8] K. Wichterle, «Agitation of non-newtonian liquids.,» Technical University Ostrava, Oztrava, Czech Republic, 1999. [9] K.-W. Song, H.-Y. Kuk y G.-S. Chang, «Rheology of concentrated xanthan gum solutions: Oscillatory shear flow behavior,» Korea-Australia Rheology Journal, Korea, 2006. [10] T. Tipvarakarnkoon y B. Senge, «Rheological behaviour of gum solutions and their interactions after mixing,» Annual transactions of the nordic rheology society., Berlín, Alemania, 2008. [11] M. B. Jiménez y M. M. Córdoba, «Determinación de modelos para evaluar el consumo de potencia en tanques agitados para soluciones pseudoplásticas,» Ingenieria 20, San José, Costa Rica, 2010. [12] H. Ameur, M. Bouzit y M. Helmaoui, «Numerical study of fluid flow and power consumption in a stirred vessel with a scaba 6srgt impeller.,» PAN, Algérie, 2011. [13] J. R. Nunhez, E. Cekinski y C. T. Kiang, «Metodologia para determinação de curvas de potencia e fluxos caracteristicos para impelidores axiais, radiais e tangenciais utilizando a fluidodinamica computacional,» Universidade Estadual de Campinas . Faculdade de Engenharia Química , Campinas - SP - Brasil , 2002. [14] W. Dridi, W. Essafi, M. Gargouri y F. Leal Calderon, «Influence of formulationon the oxidative stability of water-in-oil emulsions,» El Sevier, France, 2016. [15] G. Lane y P. Koh, «CFD simulation of a rushton turbine in a baffled tank,» InterConf on CFD in mineral & metal processing and power generation, Victoria, 1997. 27 [16] N. Spogis, «Metodologia para determinaÇÃo de curvas de potencia e fluxos característicos para impelidores axias, radiais e tangenciais utilizando a fluidodinamica computacional.,» Universidade estadual de campinas faculdade de engenharia química., São Paulo, 2002. [17] W. Bujalski, Z. Jaworski y A. W. Nienow, «CFD study of homogenization with dual experimental results,» Institution of Chemical Engineers, Szczecin, 2002. [18] J. M. Bujalski, Z. Jaworski, W. Bujalski y A. W. Nienow, «The influence of the addition position of a tracer on CFD simulated mixing times in a vessel agitatedby a ruhston turbine.,» Institution of Chemical Engineers, Szczecin, 2002. [19] M. Dular, T. Bajcar, L. Slemenik-Perše, M. Žumer y B. Širok, «Numerical simulation and experimental study of non-newtonian mixing flow with a free surface.,» Brazilian Journal of Chemical Engineering, Ljubljana, 2006. [20] F. A. H. Al-Qaessi, «Mixing of Two Miscible Liquids with High Viscosity and Density Difference in Semi- Batch and Batch Reactors – CFD Simulations and Experiments,» Department of Chemistry of Universität Duisburg-Essen, Essen, 2007. [21] «Ashish Newale; Yuvraj Dewan; Ravindra Aglave; Thomas Eppinger,» CD-adapco, 2010. [22] H. Ameur, M. Bouzit y M. Helmaoui, «Numerical study of fluid flow and power consumption in a stirred vessel with a scaba 6srgt impeller,» PAN, Algérie, 2011. [23] H.-J. Kim, «Multiphase Modelling in STAR-CCM+,» CD-adapco Korea, 2012. [24] M. H. Pour, V. M. Nansa, M. Saberi, A. M. Ghanadi, A. Aghayari y M. Mirzajanzadeh, «CFD Simulation of Solid-Liquid Stirred Tank with Rushton Turbine and Propeller Impeller,» International Journal of Chemical, Molecular, Nuclear, Materials and Metallurgical Engineering, 2013. [25] M. Janeway, «How do I model non-newtonian rheology in STAR-CCM+?,» CD-adapco, 2014. [26] V. M., B. R y B. A., «CFD simulation of non-newtonian flow inside a mixing tank.,» CFD OIL, Rio de Janeiro, 2014. [27] D. Rajavathsavai, A. Khapre y B. Munshi, «Study of mixing behavior of cstr using CFD,» Brazilian Journal of Chemical Engineering, Orissa, 2014. [28] W. Chtourou, M. Ammar, Z. Driss y M. S. Abid, «CFD Prediction of the Turbulent Flow Generated in Stirred Square Tank by a Rushton Turbine,» SciRes, Sfax, 2014. [29] M. Dondé Castro, Transporte de Momentum y Calor, Teoría y Aplicaciones a la Ingeniería de Proceso, Merida, Mexico: Universidad Autonoma de Yucatán, 2005. [30] LSU's college of Engineering - Department of Chemical Engineering, «LSU - Cain Department of Chemical Engineering,» s.f.. [En línea]. Available: 28 https://www.che.lsu.edu/file/che/file//DooleyPolymersClass/RheologyModels.pdf. [Último acceso: 19 04 2016]. [31] C. Gualtieri, P. A. L. Jiménez y J. J. M. Rodríguez, «Modelación computacional de la turbulencia en la cavidad de un cauce mediante una geometría cuadrada,» Nápoles, 2009. [32] A. Bakker, «Applied Computational Fluid Dynamics - Turbulence Models,» 2005. [33] I. Celik, «Procedure for Estimation and Reporting of Uncertainty Due to Discretization in CFD Applications,» ASME, 2008. [34] CFD Online, «CFD Online - Y-Plus Wall Distance Estimation,» 2015. [En línea]. Available: http://www.cfd- online.com/Tools/yplus.php. [Último acceso: 05 09 2015]. [35] kyle, «CFD online,» 26 06 2012. [En línea]. Available: http://www.cfd-online.com/Forums/star- ccm/96568-y-factor-help-understanding.html. [Último acceso: 03 03 2016]. [36] P. Ewing, «Best practices for aerospace aerodynamics,» CD - adapco, Singapore, 2015. [37] C. -. adapco, «User guide STAR-CCM+,» CD - adapco, s.f.. [38] C. Zamora, «Las desiciones multicriterio: Que tan factible es su uso; y, recomendación en pequelas y medianas empresas.,» Cuenca , 2010. [39] «Método Electra,» [En línea]. Available: http://www.oocities.org/victor_martinez_ortiz/Electra.htm. [Último acceso: 05 09 2015]. [40] M. Bousmina, A. Ait-Kadi y J. B. Faisant, «Determination of shear rate and viscosity from batch mixer data,» Laval University, Quebec, 1998. [41] R. Zadghaffari, J. Moghaddas y J. Revstedt, «Iranian Journal of Chemical Engineering,» 2008. [En línea]. Available: http://www.ijche.com/issues/2008-5-4/20.pdf. [Último acceso: 23 Julio 2015]. [42] Escuela de Ingeniería de Antioquia , «Escuela de Ingeniería de Antioquia,» 2010. [En línea]. Available: http://fluidos.eia.edu.co/hidraulica/articuloses/conceptosbasicosmfluidos/reynolds/numero.html. [Último acceso: 05 01 2016]. [43] C. L. Ruiz, «Slide Share,» 17 07 2009. [En línea]. Available: http://www.slideshare.net/guest6d731e/agitacion-1735401. [Último acceso: 15 01 2016]. [44] CD-adapco - help STAR-CCM+, «Using the Non-Newtonian Generalized Power Law,» STAR-CCM+. [45] C. B. C. Flores y R. P. N. Edilberto, «Mecanismos de Transferencia,» [En línea]. Available: http://es.slideshare.net/clarisacorellaflores/tarea-unidad-3-investigacion-blog. [Último acceso: 05 10 2015]. 29 5. Anexos A. Resultados Independencia mallado Los resultados del método de Electra [38] , [39] se muestran en la Tabla A. 1, en la cual se expone la matriz de criterios y pesos, donde los criterios hacen referencia al tiempo (C1) y la desviación (C2). Por otra parte, los pesos que se establecieron, reflejan la importancia que posee cada criterio para el modelador. Las columnas denominadas como A1, A2, A3 y A4, refieren a las alternativas posibles, las cuales son: malla fina, normal, gruesa y gruesa 2 respectivamente. Cada una presenta un porcentaje definido para cada criterio. Nótese que los valores de C2 son los recíprocos de la desviación, dado que estos deben referir a las ventajas del método. Tabla A. 1. Resultados del método de Electra Matriz de criterios y pesos A1 A2 A3 A4 Pesos C1 7 4 4 3 4 C2 96 96 95 95 6 Matriz de concordancias A1 A2 A3 A4 A1 0 10 4 10 A2 6 0 4 10 A3 6 10 0 10 A4 0 0 0 0 Matriz de discordancias A1 A2 A3 A4 A1 0 0 1 0 A2 3 0 1 0 A3 3 0 0 0 A4 4 1 2 0 Domina a : A1 : A2 A4 A2 : A4 A3 : A2 A4 A4 : 30 B. Torques registrados-Miel A continuación, se presentan los torques medidos para la miel, junto con la potencia, y el error con respecto a los valores reportados en la literatura para cada velocidad [1]. Tabla B. 1. Estimación del torque - Simulación Velocidad [𝒓𝒑𝒔] Torque [𝑵. 𝒎] Potencia [𝑾] Re Np Error[%] 3,28 0,05 1,09 1,085 68,53 7,5% 7,89 0,14 6,70 2,61 30,31 0,7% 13,71 0,23 19,48 4,54 16,80 2,8% 26,45 0,47 77,89 8,75 9,36 1,9% 61,47 1,55 596,94 20,33 5,72 1,1% 179,18 9,34 10514,66 59,26 4,06 3,6% 841,43 169,76 897499,93 278,26 3,35 5,1% Tabla B. 2. Estimación del torque - Experimentación Velocidad [𝒓𝒑𝒔] Torque [𝑵. 𝒎] Potencia [𝑾] Re Np Error [%] 3,33 0,05 1,08 1,10 64,61 2,66 3,43 0,06 1,22 1,14 66,98 9,18 3,52 0,06 1,25 1,16 63,84 6,25 3,58 0,06 1,30 1,18 62,97 6,51 3,68 0,06 1,35 1,22 60,00 3,93 3,77 0,06 1,42 1,25 59,17 4,51 3,85 0,06 1,53 1,27 59,72 7,50 3,93 0,06 1,58 1,30 57,71 5,82 4,02 0,07 1,70 1,33 58,45 9,14 4,10 0,07 1,81 1,36 58,51 11,20 4,17 0,07 1,95 1,38 60,07 15,79 5,00 0,08 2,62 1,65 46,59 5,14 5,83 0,09 3,38 1,93 37,84 2,42 6,67 0,11 4,44 2,20 33,31 3,58 7,50 0,12 5,66 2,48 29,83 4,39 8,33 0,13 7,03 2,76 27,00 5,18 9,17 0,13 7,76 3,03 22,41 14,54 31 C. Reográma y regresión-emulsión inversa agua-aceite al 90% El reográma obtenido para la emulsión se presenta en la Figura C. 1, junto con su desviación. En el trabajo actual, se realizaron tres replicas para obtener esta curva. Figura C. 1. Reográmay regresión para la emulsión inversa 90%, junto con su desviación. D. Estimación del factor de forma en una geometría no estándar Con el fin de validar si la estimación del factor de forma se podía realizar en otra geometría, se realizó el análisis para la emulsión trabajada (inversa al 90% agua-aceite) en una geometría diferente. Se utilizó la misma propela, pero esta vez, el tanque tenía unas dimensiones más reducidas (7 cm de diámetro y 5,2 cm de altura), el montaje realizado se observa en la Figura D. 1. y = 429.53x-0.772 R² = 0.9679 1 10 100 1000 10000 100000 0.0 0.1 1.0 V is co si d ad [ P a. s] Velocidad de Cizalla [1/s] 32 Figura D. 1. Montaje geometría no estándar. Los resultados obtenidos en la experimentación se muestran en la Tabla D. 1. Tabla D. 1. Estimación factor forma (nueva geometría) - experimentación Velocidad [𝒓𝒑𝒔] Potencia [𝑾] 𝜸 [𝟏/𝒔] 𝑲𝒔 0,83 0,22 31,79 38,15 1,67 0,59 55,10 33,06 2,50 1,11 70,70 28,28 3,33 1,92 73,57 22,07 4,17 2,68 85,92 20,62 5,00 3,33 104,91 20,98 5,83 4,14 118,47 20,31 6,67 4,97 132,86 19,93 7,50 5,99 142,05 18,94 8,33 7,03 152,35 18,28 9,17 8,14 161,79 17,65 10,00 9,10 175,98 17,60 En promedio, el factor de forma estimado experimentalmente tiene un valor de 20,47. Por otra parte, se realizó la estimación por medio de STAR-CCM+®, en la cual se obtuvieron los resultados mostrados en la Tabla D. 2. 33 Tabla D. 2.Estimación factor forma (nueva geometría) - simulación Velocidad [𝒓𝒑𝒔] Potencia [𝑾] 𝜸 [𝟏/𝒔] 𝑲𝒔 0,83 0,56 9,41 11,29 1,67 1,33 19,01 11,41 2,50 2,20 28,71 11,48 3,33 3,15 38,42 11,53 4,17 4,16 48,18 11,56 5,00 5,22 57,99 11,60 5,83 6,32 67,91 11,64 6,67 7,46 77,76 11,66 Los perfiles de velocidad (Figura D. 2) y viscosidad (Figura D. 3) a 100 rpm muestran un proceso de mezcla más efectivo, en el que los perfiles se desarrollan en la mayoria del fluido, presentando pocas zonas muertas. Figura D. 2. Perfil de velocidad, geometría no estándar. A diferencia de los resultados obtenidos con el tanque estándar, con esta nueva geometría, el perfil de viscosidad se reduce en gran parte del tanque (Figura D. 3), además de las zonas cercanas a la propela. 34 Figura D. 3. Perfil de viscosidad efectiva, geometría no estándar. El factor de forma promedio en las estimaciones realizadas por las simulaciones tiene un valor de 11,52. Según el estudio realizado por Bousmina et al. [40], al estimar la velocidad de corte en el punto medio entre los radios 𝑅𝑖 y 𝑅𝑒, esta es independiente de “n”. 𝑅𝑖 y 𝑅𝑒 son condiciones de frontera donde la velocidad angular se define como: 𝑉𝜃(𝑅𝑖) = 𝜔. 𝑅𝑖 y 𝑉𝜃(𝑅𝑒) = 0. Esta aproximación solo se puede realizar si la relación entre 𝑅𝑖 y 𝑅𝑒 es cercana a 1. En este caso, la relación tiene un valor de 0,74. Para este análisis, se evaluó la ecuación propuesta por Bousmina et al. [40] (ecuación (17)), la cual dará un punto de referencia para verificar los valores estimados tanto en la simulación como experimentalmente. �̅�𝛽→1 ≈ 2. 𝜋 ln(𝛽) . 𝑁 = 𝐾𝑠. 𝑁 (17) Donde 𝛽 es la relación entre 𝑅𝑖 y 𝑅𝑒. La ecuación (17) estima el valor del factor de forma en 18,67. Con esto, la desviación obtenida experimentalmente es del 9,6%; mientras que para la simulación es del 43,7%. Se puede afirmar que experimentalmente la estimación del factor de forma, con respecto a la ecuación propuesta por M. Bousmina et al. [40] es acertada, sin embargo la simulación presenta una desviación considerable. Como trabajo a futuro se propone estudiar a fondo la razón de esta diferencia, además de comprobar la validez de la ecuación (17) con diferentes geometrías y propelas.
Compartir